The concept of low-energy radio transceivers and residual networks for advanced radio tomography in building localization

• Autorzy: Kłosowski Grzegorz , Styła Michał , Gnaś Dominik , Zawadzka Wiktoria , Adamkiewicz Przemysław

Identyfikatory

DOI

10.15199/48.2025.01.33

Warianty tytułu

PL

Koncepcja niskoenergetycznych radiotelefonów i sieci resztkowych dla zaawansowanej radiotomografii w lokalizacji wewnątrzbudynkowej

• Języki publikacji: EN

Abstrakty

EN

This study aims to advance the field of Radio Tomography Imaging (RTI), focusing on device-free methods for human localization within confined environments. Utilizing deep residual networks, the research transforms Wi-Fi Received Signal Strength Indicator (RSSI) data into tomographic images, thereby contributing algorithmic advancements to RTI. Such a device-free approach circumvents the need for monitored individuals to carry electronic devices, ensuring privacy protection through inherent anonymization. Alongside, this work presents the development of optimized, energy-efficient hardware specifically designed for RTI applications. Considering real-world constraints, the hardware architecture reconciles performance, energy efficiency, and device compatibility. The study adopts a holistic framework that integrates both the algorithmic and hardware aspects of RTI, providing a comprehensive solution for real-world deployments. By examining Wi-Fi-based RTI through both an algorithmic lens, using deep residual networks, and a hardware-centric perspective, this research paves the way for scalable, efficient, and privacy-preserving localization systems. The objective is to present a balanced, optimized approach that contributes to developing state-of-the-art RTI methods and implementations.

PL

Celem niniejszych badań jest rozwój dziedziny obrazowania radiotomograficznego (RTI), które koncentrują się na metodach lokalizacji człowieka w zamkniętych środowiskach, niewymagających stosowania dodatkowych urządzeń. Wykorzystując głębokie sieci rezydualne, w badaniach przeprowadzono transformację danych wskaźnika siły sygnału odebranego Wi-Fi (RSSI) na obrazy tomograficzne, przyczyniając się w ten sposób do udoskonalenia algorytmów w dziedzinie RTI. Takie podejście, niewymagające użycia urządzeń, pozwala uniknąć konieczności noszenia przez monitorowane osoby urządzeń elektronicznych, zapewniając w ten sposób ochronę prywatności poprzez anonimizację. W pracy przedstawiono także rozwój zoptymalizowanego, energooszczędnego sprzętu zaprojektowanego specjalnie do zastosowań RTI. Architektura sprzętowa łączy wydajność, efektywność energetyczną i kompatybilność urządzeń, biorąc pod uwagę ograniczenia świata rzeczywistego. W badaniu przyjęto holistyczne ramy, które integrują zarówno algorytmiczne, jak i sprzętowe aspekty RTI, zapewniając kompleksowe rozwiązanie ukierunkowane na wdrożenia w świecie realnym. Badając RTI oparte na Wi-Fi zarówno przez pryzmat algorytmu wykorzystującego głębokie sieci resztkowe, jak i perspektywę skupioną na sprzęcie, przedstawione badania torują drogę dla skalowalnych, wydajnych i chroniących prywatność systemów lokalizacji. Celem ogólnym jest przedstawienie koncepcji zrównoważonego, zoptymalizowanego podejścia, które przyczynia się do rozwoju najnowocześniejszych metod i wdrożeń RTI.

Słowa kluczowe

EN

electrical tomography; machine learning; industrial tomography; transmission radio tomography

PL

tomografia elektryczna; uczenie maszynowe; tomografia przemysłowa; radiowa tomografia transmisyjna

• Wydawca: Wydawnictwo SIGMA-NOT
• Czasopismo: Przegląd Elektrotechniczny
• Rocznik: 2025
• Tom: R. 101, nr 1
• Strony: 164--167
• Opis fizyczny: Bibliogr. 19 poz., rys., tab.

Twórcy

autor

Kłosowski Grzegorz

• Lublin University of Technology, Nadbystrzycka 38A, Lublin, Poland

• https://orcid.org/0000-0001-7927-3674

autor

Styła Michał

• Centrum Badawczo Rozwojowe Technologii Informatycznych Sp. z o.o., Rzeszów, Poland

• https://orcid.org/0000-0002-1141-0887

autor

Gnaś Dominik

• Centrum Badawczo Rozwojowe Technologii Informatycznych Sp. z o.o., Rzeszów, Poland

• https://orcid.org/0000-0002-8169-9700

autor

Zawadzka Wiktoria

• https://orcid.org/0009-0008-8139-1555

autor

Adamkiewicz Przemysław

• Centrum Badawczo Rozwojowe Technologii Informatycznych Sp. z o.o., Rzeszów, Poland
• WSEI University, Lublin, Poland

• https://orcid.org/0000-0003-3425-956

Bibliografia

• [1] Liu, H.; Darabi, H.; Banerjee, P.; Liu, J. Survey of Wireless Indoor Positioning Techniques and Systems. IEEE Transactions on Systems, Man and Cybernetics Part C: Applications and Reviews 37 (2007), 1067–1080.
• [2] Li, X.; Huang, H.Z.; Li, Y.F.; Li, Y.F. Reliability Evaluation for VHF and UHF Bands under Different Scenarios via Propagation Loss Model. Eksploatacja i Niezawodnosc 21(2019), doi:10.17531/ein.2019.3.3.
• [3] Pirzada, N.; Nayan, M.Y.; Hassan, F.S.M.F.; Khan, M.A. Device-Free Localization Technique for Indoor Detection and Tracking of Human Body: A Survey. Procedia Soc Behav Sci 129 (2014), 422–429, doi:10.1016/J.SBSPRO.2014.03.696.
• [4] Gnaś, D., Adamkiewicz, P., Indoor localization system using UWB, Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 12 (2022), No. 1, 15-19.
• [6] Wilson, J.; Patwari, N. See-through Walls: Motion Tracking Using Variance-Based Radio Tomography Networks. IEEE Trans Mob Comput 10 (2011), doi:10.1109/TMC.2010.175.
• [7] Yigitler, H.; Jantti, R.; Kaltiokallio, O.; Patwari, N. Detector Based Radio Tomographic Imaging. IEEE Trans Mob Comput 17 (2017), doi:10.1109/tmc.2017.2699634.
• [8] Styła, M., Adamkiewicz, P., Optimisation of commercial building management processes using user behaviour analysis systems supported by computational intelligence and RTI, Informatyka, Automatyka, Pomiary W Gospodarce I Ochronie Środowiska, 12 (2022), No 1, 28-35.
• [9] Moussa, M.; Youssef, M. Smart Devices for Smart Environments: Device-Free Passive Detection in Real Environments. In Proceedings of the 7th Annual IEEE International Conference on Pervasive Computing and Communications, PerCom 2009; 2009.
• [10] Wilson, J.; Patwari, N. Radio Tomographic Imaging with Wireless Networks. IEEE Trans Mob Comput, 9(2010), 621–632, doi:10.1109/TMC.2009.174.
• [11] Patwari, N.; Wilson, J. RF Sensor Networks for Device-Free Localization: Measurements, Models, and Algorithms. In Proceedings of the Proceedings of the IEEE; 2010; Vol. 98.
• [12] Gocławski, J., Sekulska-Nalewajko, J., Korzeniewska, E., Prediction of textile pilling resistance using optical coherence tomography, Scientific Reports, 12 (2022), No. 1, 18341.
• [13] Gocławski, J., Korzeniewska, E., Sekulska-Nalewajko, J., Kiełbasa, P., Dróżdż, T., Method of Biomass Discrimination for Fast Assessment of Calorific Value, Energies, 15 (2022), No. 7, 2514.
• [14] Kłosowski G, Rymarczyk T, Niderla K, Kulisz M, Skowron Ł, Soleimani M., Using an LSTM network to monitor industrial reactors using electrical capacitance and impedance tomography – a hybrid approach. Eksploatacja i Niezawodnosc – Maintenance and Reliability, 25 (2023), No. 1, 11.
• [15] Kłosowski G., Rymarczyk T., Kania K., Świć A., Cieplak T., Maintenance of industrial reactors supported by deep learning driven ultrasound tomography, Eksploatacja i Niezawodnosc – Maintenance and Reliability; 22 (2020), No 1, 138–147.
• [16] Kłosowski G., Rymarczyk T., Niderla K., Rzemieniak M., Dmowski A., Maj M., Comparison of Machine Learning Methods for Image Reconstruction Using the LSTM Classifier in Industrial Electrical Tomography, Energies 2021, 14 (2021), No. 21, 7269.
• [17] Rymarczyk T., Kłosowski G., Hoła A., Sikora J., Tchórzewski P., Skowron Ł., Optimising the Use of Machine Learning Algorithms in Electrical Tomography of Building Walls: Pixel Oriented Ensemble Approach, Measurement, 188 (2022), 110581.
• [18] Koulountzios P., Rymarczyk T., Soleimani M., A triple-modality ultrasound computed tomography based on full-waveform data for industrial processes, IEEE Sensors Journal, 21 (2021), No. 18, 20896-20909.
• [19] Koulountzios P., Aghajanian S., Rymarczyk T., Koiranen T., Soleimani M., An Ultrasound Tomography Method for Monitoring CO2 Capture Process Involving Stirring and CaCO3 Precipitation, Sensors, 21 (2021), No. 21, 6995.